• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 1
  • Tagged with
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Automatic Point Cloud Modelling for BIM in AEC Sector / Automatisk punktmolnmodellering för BIM i AEC sektorn

Ishag, Mohamed Salih Abaker January 2022 (has links)
In this research, automatic point cloud modeling strategies have been tested to find the best strategies to model walls, floors and ceilings classes in terms of processing time and accuracy. The modeling was applied on a point cloud data related to the Architecture, Engineering, and Construction field which is a point cloud of a building collected by Sweco company in Sweden. This point cloud was segmented and classified into two classes: the first class is walls, and the second is floors and ceilings. The strategies were applied on each class using two commercial software which are: Leica Cyclone 3D-R and Pointfuse and one free open source software which is BLENDER.  The strategies were formed by making a collection of parameters for each strategy, some of these parameters are numeric and others are non numeric. The strategies were three combinations: in the first combination the default values of the numerical parameters were used. In the second combination these default values were increased by 50% and in the third combination these default values were decreased by 50%. The final results showed that all best strategies were done by using Leica Cyclone 3D-R software. Regarding the processing time to model the walls, the fastest strategy is by increasing the default numerical parameters of Regular Sampling function by 50% while ignoring the scanning directions. Regarding the processing time to model the floors and ceilings. The fastest strategy is also by increasing the default numerical parameters of meshing in two steps function by 50%  which in the first step of the function the try to create watertight mesh option is chosen for hole management method and the scanning directions are not ignored. In the second step the refine mesh without cloud option is chosen for refining method and under this option the following parameters are defined: deviation error, refine on free borders is not included and preserve sharp edges is included. Regarding the accuracy, the most accurate strategy to model the walls is by decreasing the default numerical parameters of meshing in two steps function by 50% which in the first step of the function the hole detection option is chosen for hole management method and the scanning directions are included. In the second step the refine mesh from cloud option is chosen for refining method and under this option the following parameters are defined: meshing by keep only best points, deviation error, distance, local reorganization is included and no free border modification is chosen for hole management method. Regarding the most accurate strategy to model the floors and ceilings is by decreasing the default numerical parameters of meshing in two steps function by 50% which in the first step of the function the hole detection option is chosen for hole management method and the scanning directions are included. In the second step the refine mesh from cloud interpolation option is chosen for refining method and under this option the following parameters are defined: refine with deviation error for refining method, deviation error, maximum number of triangles, minimum triangle size, refine with point evenly spaced is not included, distance is included, local reorganization is included, angle threshold on scanning directions is not include and refine free border is chosen for hole management method. / I denna forskning har automatiska punktmolnmodelleringsstrategier testats för att hitta de bästa strategierna för att modellera väggar, golv och takklasser när det gäller bearbetningstid och noggrannhet. Modelleringen applicerades på ett punktmolndata relaterat till Arkitektur, Ingenjörs- och Byggområdet som är ett punktmoln av en byggnad som samlats in av Sweco-företaget i Sverige. Detta punktmoln segmenterades och klassificerades i två klasser: den första klassen är väggar och den andra är golv och tak. Strategierna tillämpades på varje klass med hjälp av två kommersiella programvaror som är: Leica Cyclone 3D-R och Pointfuse och en gratis programvara med öppen källkod som är BLENDER. Strategierna bildades genom att göra en samling parametrar för varje strategi, några av dessa parametrar är numeriska och andra är icke-numeriska. Strategierna var tre kombinationer: i den första kombinationen användes standardvärdena för de numeriska parametrarna. I den andra kombinationen ökades dessa standardvärden med 50 % och i den tredje kombinationen minskades dessa standardvärden med 50 %. De slutliga resultaten visade att alla bästa strategier gjordes med hjälp av programvaran Leica Cyclone 3D-R. När det gäller bearbetningstiden för att modellera väggarna är den snabbaste strategin att öka de numeriska standardparametrarna för funktionen Regelbunden provtagning med 50 % samtidigt som man ignorerar skanningsanvisningarna Angående handläggningstiden för att modellera golv och tak. Den snabbaste strategin är också att öka de numeriska standardparametrarna för meshing i tvåstegsfunktion med 50 %, vilket i det första steget av funktionen är att försöka skapa vattentäta mesh-alternativet väljs för hålhanteringsmetoden och skanningsriktningarna ignoreras inte. I det andra steget väljs alternativet förfina mesh utan moln för förfiningsmetod och under detta alternativ definieras följande parametrar: avvikelsefel, förfina på fria gränser ingår inte och bevara skarpa kanter ingår. När det gäller noggrannheten är den mest exakta strategin för att modellera väggarna genom att minska de numeriska standardparametrarna för meshing i tvåstegsfunktion med 50 %, vilket i det första steget av funktionen väljs håldetekteringsalternativet för hålhanteringsmetoden och skanningsriktningarna ingår. I det andra steget väljs alternativet förfina mesh from cloud för raffineringsmetod och under detta alternativ definieras följande parametrar: meshing by keep only best points, deviation error, distance, local reorganization ingår och ingen fri gränsmodifiering är vald för hål förvaltningsmetod. När det gäller den mest exakta strategin för att modellera golv och tak är att minska de numeriska standardparametrarna för meshing i tvåstegsfunktion med 50 %, vilket i det första steget av funktionen väljs håldetekteringsalternativet för hålhanteringsmetoden och skanningsriktningarna är ingår. I det andra steget väljs alternativet förfina mesh från molninterpolation för raffineringsmetod och under detta alternativ definieras följande parametrar: förfina med avvikelsefel för förfiningsmetod, avvikelsefel, maximalt antal trianglar, minsta triangelstorlek, förfina med punkt jämnt mellanrum ingår inte, avstånd ingår, lokal omorganisation ingår, vinkeltröskel på skanningsriktningar ingår inte och förfina fri kant är vald för hålhanteringsmetod.

Page generated in 0.1086 seconds